关于举办“小儿先心病智能辅助筛查系统的研究和优化”学术讲座的通知
发布时间: 2017-11-22 浏览次数: 15 文章来源: 电子与光学工程学院、微电子学院

  学术报告(一):基于云端大数据小儿先心病智能辅助筛查系统的研究和优化

  时间201711231400

  地点:电子学科楼223会议室

  报告人:赵鹏军

  主办单位:电子与光学工程学院

  报告摘要:

传统先心并筛查主要依靠机械听诊,由于环境干扰和医生经验的不足,时常出现误诊或漏诊,同时传统诊断方式也加重临床医生的劳动强度。通过信息技术结合医学知识开展研究,将心脏听诊和血氧饱和度测试结合,利用网络云计算优势,建立CHDIDS系统,用于小儿先心病筛查。智能听诊器利用传感器和放大电路采集模拟心音信号,转换为数字信号后,通过蓝牙无线传输到PC端或手机APP保存,进行定量分析和医学识别,找出潜在病因。通过对特定先心病患儿心音数据的采集,格式转换,时频图、波形图显示,心率测试,尝试分析心音数据频谱特征,从而帮助医生进行先心病初步筛查,创造性实现对离散的心音数据进行节点化处理,并形成波形图。电子听诊器和心音智能识别进行有机结合,利用云计算手段,将多中心采集的心音大数据进行训练、学习和预测,运用人工神经网络进行算法优化,可大幅度提高临床先心病的筛查效率和精度。

  报告人简介:

赵鹏军,男,博士,上海交通大学医学院附属新华医院儿科心脏中心,主任,毕业于上海交通大学医学院,曾在复旦大学附属中山医院心内科和美国哈佛医学院附属Boston儿童医院进修小儿心脏电生理专业。主要医疗专长:擅长先天性心脏病、心律失常、心肌病等诊治,尤其是心律失常的处理包括心律失常药物治疗,起搏器安装和射频消融等。目前是中华医学会儿科分会心血管组青年委员会副主任委员,中华医学会心脏电生理和起搏分会小儿心律学工作委员会委员。主持参与了多项国家及上海市科研项目。发表相关专业论著20余篇,参编专业书籍6部。

  

学术报告(二):基于深度学习的先心病模型建立研究

时间201711231430

地点:电子学科楼223会议室

报告人:张执南

主办单位:电子与光学工程学院

  报告摘要:

根据世界卫生组织的数据,80%的心脑血管疾病、80%的二型糖尿病、绝大部分的原发性高血压,甚至40%的肿瘤都是可以预防的。心脑血管疾病中,先天性心脏病是其中一种较常见的疾病。深度学习的概念源于人工神经网络的研究,深度学习的概念由Hinton等人于2006年提出,基于深度置信网络(DBN)提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。将深度学习应用于先心病模型的建立,为先心病的前期筛查提供了一种有效的手段。

  报告人简介:

张执南,男,博士,上海交通大学机械与动力工程学院,博士生导师,2011年博士毕业于上海交通大学机械设计及理论专业并留校任教,2014年丹麦技术大学访问学者。张执南教授在上海交通大学任教以来,教学及科研成果突出。主要从事设计理论与方法、摩擦学系统设计与分析的基础与应用研究,主持了多项国家自然科学基金及上海市科研项目,发表SCI论文多篇,编写专著2部,申请发明专利6项。现为中国机械工程学会摩擦学分会委员会委员,担任多种外文期刊审稿人。






仙林校区地址:南京市亚东新城区文苑路9号 邮编:210023 三牌楼校区地址:南京市新模范马路66号 邮编:210003 锁金村校区地址:南京市龙蟠路177号 邮编:210042

苏公网安备32011302320419号 |苏ICP备11073489号-1

Copyright © Nanjing University of Posts and Telecommunications All Rights Reserved